佳文共赏 全部文章

AI辅助编程的关键风险不是使用工具，而是从“认知卸载”滑向“认知投降”：工程师直接采纳模型输出、放弃独立判断，会让错误答案、设计决策和代码变更进入系统，短期提升交付，长期累积理解债务；应通过预先判断、严格审查、小PR、证据验证和概念性提问保持校准，让AI增强思考而非替代思考。

并行运行更多智能体不会线性放大人的产能，真正瓶颈是人类在监督中承担的上下文切换、判断与信任校准成本，线程一多就会累积理解债务和焦虑，导致中午前精力耗尽、审查质量下降；有效做法是识别个人并行上限，按任务复杂度收紧范围、先写清简报并设定限时会话，用较少但可充分复核的线程替代盲目扩容。

过度依赖AI生成代码会累积“理解债”，即代码规模增长快于人类理解速度，表面测试与指标向好却削弱系统心智模型，变更与排错时集中爆雷；研究显示用AI代写理解力下降约17%，被动委派最伤技能，测试与规格无法替代理解与审查，组织应将“真正理解所交付内容”作为质量门槛与合规前置条件。

软件开发正从写代码转向编排自主代理并行生成与修改代码，工程师需像建工厂一样写清规格、用测试先行和严格验证来控质，否则错误会被放大；生成不再瓶颈，验证与系统判断决定产出与个人竞争力。

作者基于谷歌经历总结团队工程要诀：只做高价值问题，会议先明确决策诉求，用“周二某人做X”替代空泛意向，权责清晰以加速决策，可靠性与可观测性纳入完成标准，跨团队靠清晰接口与带方案升级，反英雄并警惕扩编带来的协作边，迁移要有人负责收尾与退役期限，AI时代品味与信任决定交付速度。

作者区分vibe coding与专业AI开发：前者不审代码只靠提示迭代，适合原型但易在扩展与安全上失控；后者应称“代理式工程”，先定规格与架构，指挥AI代理实现并严格评审、测试与CI，由人对质量与正确性负责，否则将引发维护灾难并加剧新手技能萎缩。

AI代理写码占比升至80%乃至接近全自动，开发者更多用自然语言设定目标并快速提交PR，但失误从语法转为概念假设扩散、过度抽象与死代码累积，审查与验证成本上升形成理解债，导致代码量暴增却让评审与协作吞噬节省时间，结论是必须以明确规格、测试与自动化校验约束代理并维持对系统的整体理解，否则速度将加速技术债并把工程师推向编排与质量把关角色。

作者回顾在谷歌14年工程经历，提炼21条通用原则：以用户问题驱动方案，先行动交付并追求清晰与少新奇，重视对齐协作与影响可见，能删就不写、兼容即产品，聚焦可控并用写作学习；结论是工程成败主要取决于人、沟通与长期复利。